人工智能

我正在开发一种AI工具，以查找已知设备的错误并查找新的故障模式。这个日志文件是基于时间的，并且具有已知消息（信息和错误）。我正在使用JavaScript库Event drop以一种柔软的方式显示数据，但是我的实际工作和怀疑是如何训练AI来找到已知的模式并找到新的可能模式。我有一些要求： 1-工具应a。不依赖于额外的环境安装或b。越少越好（完美的方案是在独立模式下完全在浏览器上运行该工具）； 2-可能使模式分析器碎片化，一种模块化，每个错误一个模块； 推荐使用哪种算法（神经网络，遗传算法等）？存在使用JavaScript工作的东西吗？如果不是，那么制作此AI的最佳语言是什么？

12 machine-learning  ai-design  training 

问题是关于深度残留网络（ResNets）的体系结构。该模型在所有五个主要方面均赢得了“ 2015年大规模视觉识别挑战赛”（ILSVRC2015）的第一名： ImageNet分类：“超深”（Yann引用）152层网 ImageNet检测：比第二个好16％ ImageNet本地化：比第二名好27％ COCO检测：比第二名好11％ COCO细分：比第二名好12％ 资料来源： MSRA @ ILSVRC和COCO 2015竞赛（演示，第二张幻灯片） 下一篇文章中描述了这项工作： 用于图像识别的深度残差学习（2015，PDF） Microsoft研究团队（ResNets的开发人员：何凯明，张向宇，任少清，孙健）在其文章中： “ 深度残留网络中的身份映射（2016年） ” 指出深度起着关键作用： “ 我们通过一个简单但必不可少的概念获得这些结果-更深入。这些结果证明了突破深度极限的潜力。 ” 他们的演讲中也强调了这一点（更深-更好）： -“更深层次的模型不应具有更高的训练误差。” -“更深的ResNet具有较低的训练误差，也具有较低的测试误差。” -“更深的ResNet具有更低的错误。” -“所有人都将从更深的功能中受益–累积收益！” -“更深的更好。” 这是34层残差的结构（供参考）： 但是最近，我发现了一种理论，该理论引入了对残差网络的新颖解释，从而表明它们是指数集合。 残留网络是相对浅网络的指数集合（2016） Deep Resnet被描述为许多浅层网络，其输出集中在不同的深度。文章中有一张图片。我附上解释： 残留网络通常显示为（a），它是等式（1）的自然表示。当我们将此公式扩展为方程式（6）时，我们获得了3块残差网络（b）的分解图。从这个角度来看，很明显，残余网络具有连接输入和输出的O（2 ^ n）个隐式路径，添加一个块会使路径数量加倍。 在文章的结尾指出： 不是深度，而是使残留网络强大的整体。残留网络推动了网络多样性的极限，而不是网络深度的极限。我们提出的未分解视图和病灶研究表明，残差网络是指数级许多网络的隐含集合。如果大多数造成梯度的路径与网络的整体深度相比都非常短，那么深度增加 本身并不是残余网络的关键特征。我们现在认为，多重性（即网络在路径数方面的可表达性）起着关键作用。 但是，只有最近的理论可以得到证实或反驳。有时会发生一些理论被驳回而文章被撤回的情况。 我们到底应该把ResNets视为一个整体吗？集合还是深度使残差网络如此强大？甚至开发人员自己也可能不太了解自己的模型代表什么以及模型中的关键概念是什么？

12 neural-networks  machine-learning  deep-network  deep-learning  pattern-recognition 

我找到了以下神经网络备忘单（用于AI，神经网络，机器学习，深度学习和大数据的备忘单）。 这些不同种类的神经网络有什么用？例如，哪些神经网络可用于回归或分类，哪些可用于序列生成等？我只需要对其应用程序进行简要概述（1-2行）。

11 neural-networks  machine-learning  deep-learning  applications 

我听了由两位有影响力的中国科学家组成的小组讨论：王刚和于凯等。 当被问及在不久的将来（3-5年）人工智能发展的最大瓶颈时，具有硬件行业背景的于凯表示，硬件将是必不可少的问题，我们应该付出大部分我们对此的关注。他给了我们两个例子： 在计算机的早期开发中，我们通过芯片比较机器。 如果没有英伟达GPU的支持，那么近年来非常流行的人工智能几乎是不可能的。 基本算法早在1980年代和1990年代就已存在，但是人工智能经历了3个AI冬季，并且直到我们可以使用GPU增强的大型服务器训练模型时才是经验性的。 然后，王博士评论了他的意见，我们也应该开发软件系统，因为即使将世界上所有的GPU和计算结合在一起，我们也无法制造自动汽车。 然后，像往常一样，我的头脑飘散了，我开始思考，如果那些能在1980年代和1990年代操作超级计算机的人利用当时存在的神经网络算法并用大量科学数据训练它们呢？当时有些人显然可以尝试构建我们正在构建的AI系统。但是，为什么人工智能直到几十年后才成为热门话题并成为经验？仅仅是硬件，软件和数据的问题吗？

11 history  hardware  software-development 

根据DeepMind 在arxiv.org上的研究论文： 在本文中，我们将类似但完全通用的算法（称为AlphaZero）应用于国际象棋和将棋以及围棋游戏，除了游戏规则外，没有任何其他领域知识，这证明了通用强化学习该算法可以在许多具有挑战性的领域中实现超人性能。 这是否意味着AlphaZero是AGI（人工通用情报）的一个例子？

11 game-ai  definitions  agi  alphago 

AI中的本体到底是什么？我应该怎么写？为什么重要？

11 ai-design  terminology  definitions  ontology 

已关闭。这个问题需要更加集中。它当前不接受答案。 想改善这个问题吗？更新问题，使其仅通过编辑此帖子来关注一个问题。 上个月关闭。 我是软件/硬件工程师多年了。但是，我对AI和机器学习一无所知。我在数字信号处理和各种编程语言（例如C，C ++或Swift）方面拥有深厚的背景 是否有任何资源（例如书籍或指南）从头开始教您AI理论和哲学，然后提供示例到现实生活中的应用程序，当前工具，您可以运行的示例等？ 因此，我不是在寻找学术或统计资料。

11 getting-started 

我想训练一个使用文本输入，记住一些类别并相应回答问题的机器人。此外，作为2.0版，我还希望使该机器人也能回答语音输入。哪些最新的机器学习/ AI算法可用于相同的？请告诉我。

11 machine-learning  algorithm  chat-bots 

我正在尝试找到一种规划方法来解决试图对新材料进行学习建模的问题。我们假设我们只有一个资源，例如Wikipedia，其中包含一系列文章，这些文章表示为它所包含的知识的载体，并且努力阅读该文章。 知识载体和努力 在开始之前，我们根据不同类型知识的数量来设置向量的大小。例如，我们可以将向量中的项目定义为(algebra, geometry, dark ages)，然后从这种角度“测量”所有文章。因此，一篇数学文章可能会是(5,7,0)，因为它将谈论很多关于代数和几何的知识，而不是关于黑暗时代的话题。它还将努力读取它，它只是一个整数。 问题 给定所有文章（努力表示为知识向量），我们希望找到有助于我们达到知识目标（也表示为向量）的最佳文章集。 因此，知识目标可以是(4,4,0)，并且足以阅读文章(2,1,0)和(2,3,0)，因为添加后，知识目标就等于知识目标。我们希望以最小的努力做到这一点。 题 我尝试了一些启发式方法来找到一个近似值，但是我想知道是否可以使用任何最先进的战略规划方法来代替？

11 research  heuristics  knapsack-problem 

想象一下，尝试创建一个模拟虚拟环境，该环境足够复杂，无法创建“通用AI”（我定义为自觉AI），但又要尽可能简单。这个最小的环境会是什么样？ 即，仅仅是象棋游戏的环境就太简单了。国际象棋程序不能是通用AI。 具有多个代理下棋并相互传达结果的环境。这会构成一般的AI吗？（如果您可以说一整天都在思考国际象棋的国际象棋大师具有“通用AI”？在他思考国际象棋的时候，他和国际象棋计算机有什么不同吗？）。 像3D SIM卡一样的世界呢？这似乎太复杂了。毕竟，为什么普通的AI在2D世界中不存在。 一个简单的环境但又不是太简单以至于AI可以具有自我意识的例子将是什么？

11 agi  artificial-consciousness  self-awareness 

我想知道如何训练基于神经的棋盘游戏，如井字游戏，国际象棋，风险游戏或其他基于轮的游戏的神经网络。通过推论游戏状态作为输入并使用输出作为当前玩家的举动，通过推论得出下一步行动似乎是很直接的。但是，为此目的训练AI似乎不是那么简单，因为： 如果一招好还是不好，可能没有评级，因此训练单举似乎不是正确的选择 使用整个游戏的所有游戏状态（输入）和移动（输出）来训练神经网络，这似乎不是正确的选择，因为并非输掉的游戏中的所有移动都不好 所以我想知道如何为基于回合的棋盘游戏训练神经网络？我想使用张量流为井字游戏创建神经网络。

11 training  tensorflow  game-ai 

在博客文章使用很少的数据构建强大的图像分类模型中，提到了瓶颈功能。瓶颈功能是什么？它们会随着使用的体系结构发生变化吗？它们是全连接层之前的卷积层的最终输出吗？他们为什么这样称呼？

11 machine-learning  convolutional-neural-networks  terminology  definitions 

我正在研究细胞神经网络，并且已经阅读了Chua的两篇文章（1988年）。在细胞神经网络中，细胞仅与其邻居有关。因此，它很容易用于实时图像处理。仅用19个数字（两个分别称为A和B的3x3矩阵和一个偏置值）执行图像处理。 我想知道是否可以将细胞神经网络称为神经网络，因为没有学习算法。他们既不受监督也不受监督。

11 neural-networks  terminology  theory 

当我意识到我想不出一种可以教授AI的语言时，我就在思考AI及其如何工作。儿童倾向于通过语言和图片与对象的关联来学习语言（例如，人们在狗周围时说“狗”一词，后来意识到人们在说“狗”和“汽车”，并学习“ ”等）。但是，基于文本的AI不能使用这种方法来学习，因为他们将无法访问任何种类的输入设备。 我想出的唯一方法是用英语（或“说话”所要使用的任何一种语言）来编程每个单词和规则，但是这可能需要花费数年的时间。 有没有人对如何做到这一点有任何想法？或者，如果已经完成，如何做？ 顺便说一句，在这种情况下，我正在使用AI来表示具有近乎人类智能且没有先验语言知识的人工智能系统。

11 machine-learning  natural-language-processing 

MIST是对人类的定量测试，由约80k个命题组成，例如： 地球是行星吗？ 太阳比我的脚还大吗？ 人们有时撒谎吗？ 等等 迄今为止，是否有任何AI尝试通过该测试？

11 history  intelligence-testing  turing-test  chat-bots